NVIDIA GTC Taipei 2026 Keynote – Por quê preciso saber disso?

Boa tarde Clube Investfy! 

Hoje de madrugada ( para nós aqui no Brasil), ocorreu o NVIDIA GTC TAIPEI 2026 em TAIWAN, local que é o epicentro da revolução da IA. Neste evento o CEO da Nvidia, Jensen Huang, mostrou o lançamento da nova plataforma de IA, Vera Rubin, que deve entrar em produção em massa ainda em 2026.

Uma curiosidade: o nome da plataforma é em homenagem a uma Astrônoma americana (1928–2016), formada em Vassar, Cornell e Georgetown, que ao estudar curvas de rotação de galáxias, mostrou que estrelas nas bordas giravam tão rápido quanto as do centro, algo impossível sem uma massa invisível, ou seja a primeira evidência sólida da matéria escura. 

Segue abaixo um resumo ( gerado por IA) dos principais pontos apresentados e quais teses de investimento podem se beneficiar deste lançamento.

1) 🧠 Resumo Executivo (10 bullets)

1. Agentic AI chegou (não é promessa, é produtividade real)

   • Evidência: produtividade de devs ~3x (de $3T → $9T output) 
   • Implicação: transformador macro → AI vira driver de PIB, não só custo

2. Token = unidade econômica (novo “kWh” da economia digital)

   • Evidência: “tokens são unidades de receita/profitáveis” 
   • Implicação: demanda estrutural por compute → modelo utility-like

3. Compute constraint explícita (não demanda)

   • Evidência: “compute demand skyrocketed” 
   • Implicação: pricing power continua no upstream (GPUs / infra)

4. Mudança total do modelo computacional (agent runtime)

   • Evidência: software → agentes + LLM + tools + runtime 
   • Implicação: novo stack inteiro → expansão TAM (software + infra)

5. Vera Rubin = sistema completo (não apenas GPU)

   • Evidência: GPU + CPU + networking + storage integrados 
   • Implicação: verticalização aumenta capture de value pela NVIDIA

6. AI factories = maior ciclo de capex da história

   • Evidência: $50–100bn por gigawatt 
   • Implicação: infra pesada (energia, cooling, DC) vira core thesis

7. Throughput per watt = revenue driver

   • Evidência: “performance per watt = revenue” 
   • Implicação: edge competitivo desloca para eficiência energética

8. Vera CPU cria nova categoria (CPU for agents)

   • Evidência: arquitetura otimizada para latência/extreme bandwidth 
   • Implicação: ameaça indireta ao x86 tradicional

9. Enterprise AI Toolkit (modelo + runtime + tools)

   • Evidência: stack completo para criar agentes 
   • Implicação: NVIDIA entrando em software de plataforma

10. Expansão massiva de TAM → PC, robótica, auto, infra física

• Evidência: agents em PCs, robôs, carros, satélites 
• Implicação: AI deixa de ser “datacenter-only” → vira universal

2) 📈 5 Teses de Investimento

Tese 1 — “Compute = commodity escasso + revenue engine”

• O que foi anunciado (evidência)

  • Tokens são revenue units
  • Compute demand explode
  • Performance/watt define economics 

• Por que muda o mercado

  • Compute vira quase utility-like commodity com escassez estrutural
  • Data center deixa de ser custo → vira gerador de receita

• Quem captura valor

  • NVIDIA, hyperscalers, fornecedores de hardware/infra

• Riscos

  • Ciclo de overbuild (semelhante a telecom/data center cycles históricos)
  • Capex intensity → ROIC compressão futura

Tese 2 — Verticalização NVIDIA (GPU → full-stack AI infra)

• Evidência

  • Vera Rubin: sistema completo
  • DSX: blueprint de AI factories 

• Mudança

  • NVIDIA deixa de vender chip → vende infra completa + economics

• Captura de valor

  • Expansão de margem + lock-in (CUDA + DSX + hardware)

• Riscos

  • reação de hyperscalers (ASICs)
  • regulação/antitrust

Tese 3 — Explosão de CAPEX em AI factories

• Evidência

  • $50B–100B por GW
  • 100GW até fim da década 

• Mudança

  • AI = maior ciclo de infraestrutura desde eletrificação/cloud

• Captura

  • energia, cooling, grid, construção, componentes DC

• Riscos

  • restrições energéticas
  • retorno de capital incerto

Tese 4 — Novo stack de software (agent-first)

• Evidência

  • Agent Toolkit: models + runtime + tools
  • software vira “tools for agents” 

• Mudança

  • UI/UX → prompt + agentes
  • software precisa ser “consumível por AI”

• Captura

  • SaaS com APIs/tooling (ServiceNow, SAP, etc.)

• Riscos

  • desintermediação (agents substituindo UI)

Tese 5 — Physical AI (robótica + auto + mundo físico)

• Evidência

  • Cosmos 3 (world model)
  • GR00T humanoid platform
  • DRIVE + Alpamayo 

• Mudança

  • AI sai do digital → entra no mundo físico

• Captura

  • robótica industrial, automotivo, sensores, edge compute

• Riscos

  • adoção lenta
  • problemas de segurança/regulação

3) 🏗️ Mapa da Cadeia de Valor

Hardware (Compute / Memory / Network)

• GPUs (Vera Rubin)
• CPUs (Vera)
• HBM4 (Micron / SK Hynix / Samsung)
• Networking (ConnectX / Spectrum-X)
• DPUs (BlueField)

Infraestrutura

• Data centers (AI factories)
• Energia (grid, geração)
• Cooling (liquid cooling 45°C)
• Construção (rack-scale infra)

Software / Stack

• CUDA / CUDA-X libraries
• Agent Toolkit (OpenShell + runtime)
• Modelos (Nemotron, Cosmos)

Aplicações

• Enterprise agents
• Auto (Alpamayo)
• Robótica (GR00T)
• PCs (RTX Spark)
• AI clouds (CoreWeave-like)

4) 📊 Tabela – Empresas Beneficiárias

⭐ Top 5 Picks por Assimetria

(Critério: leverage estrutural ao tema + não totalmente precificado)

1. SK Hynix

• HBM é gargalo → pricing power extremo
• Direct exposure ao GPU stack
• Risco: concentração NVIDIA

2. Vertiv

• Cooling + power = novo chokepoint
• Liquid cooling disruptivo (evidência keynote)
• Risco: execução operacional

3. Cadence

• Agents aceleram ciclo de design (weeks → hours)
• AI-first EDA → novo TAM
• Risco: dependência semicondutores

4. Arista Networks

• Networking vira core bottleneck
• Agente = distributed compute → interconnect explode
• Risco: competição hyperscalers

5. TSMC

• Centro da cadeia Vera Rubin
• CoWoS + 3nm + AI multiplicador
• Risco: geopolítica Taiwan

Conclusão

• Por que é estruturalmente bull:
  AI deixa de ser “software feature” → vira infra econômica base (compute = revenue)

• Por que o mercado pode estar errado:
  ainda precifica AI como ciclo tecnológico, não como novo sistema produtivo (GDP driver)

• O que precisa dar certo:

  1. monetização de tokens
  2. ROI de AI factories
  3. oferta de energia/infra

• O que invalida a tese:

  1. queda de preços de compute (comoditização rápida)
  2. sobrecapacidade
  3. substituição de NVIDIA stack

Forte Abraço,

Rodrigo Silveira